基于改进DNN-LSTM算法的车辆前方行人行为识别方法

摘要：

为提高行驶车辆前方行人行为识别精度,提出了基于经验模态分解的深度神经网络与长短时记忆网络相结合的行人行为识别方法;该方法在分析骨架节点表征参数的基础上,采用势能、相对位置、加速度、角加速度作为表征参量描述行人行为,利用经验模态分解可以平滑数据的优点,建立深度神经网络与长短时记忆网络融合的识别模型,实现对车辆前方行人行为的准确识别;采用Weizmann数据集和KTH数据集对该方法有效性检验;结果表明,该方法基于两个数据集对车辆前方行人行为识别准确率分别为98.58％和98％,能够为辅助驾驶系统等提供有效的数据支持.

关键词：行为识别、经验模态分解、深度神经网络、长短时记忆网络

所属期刊栏目：27

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金项目51675324

在线出版日期：2019-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：175-179